提出了一种适用于大跨度、大空间建筑的火灾安全分析方法——性能化抗火设计方法.首先通过火灾场景分析及模拟计算,确定构件的温度,再利用分析软件计算各不同温度下构件的应力,确定需要防火保护的构件.青岛北站主站房建筑结构体系复杂,超大空间的建筑布局,超出现有建筑防火设计的规定,现行规范方法难以满足抗火安全性与经济性要求.基于性能化方法对青岛北站主站房的抗火安全性进行了评估,并根据评估结果确定防火保护措施

11.1 引言 11.2 单峰子集的分离方法 11.3 类别分离的间接方法 11.4 分级聚类方法 11.5 其他聚类方法简介 11.6 聚类中的问题

1掌握同步时序电路的一般分析方法 2掌握同步计数器的一般分析方法 3会用反馈归零法、反馈置数法和级联法将集成芯片构成任意进制计数器 4根据功能表会用大、中规模集成芯片构成给定功能的电路  第1、2学时： 时序逻辑电路的分析方法  第3、4学时： 时序逻辑电路的设计方法  第5、6学时： 同步计数器  第7、8学时： 集成同步计数器及其应用  第9、10学时：数据寄存器和移位寄存器

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性

使用载荷分离理论的延性断裂韧性单试样方法,选取汽轮机转子钢Cr2Ni2MoV对规则化法和SPb分离参数法进行了研究.结果表明,在规则化法中,钝化修正时的钝化线方程仅对裂纹扩展较小时的J阻力曲线产生影响.提出了改进SPb分离参数法,消除了参考钝裂纹试样的影响;同时采用钝化修正后的初始裂纹长度和试验终止裂纹长度进行标定,可获得合理的裂纹长度预测结果.由改进SPb分离参数法得到J阻力曲线在较小裂纹扩展范围内均略高于由规则化法得到的J阻力曲线,而当裂纹产生扩展较大时,两种方法得到的J阻力曲线几乎完全重合;由规则化法得到的条件启裂J积分JQ值偏于保守

㶲平衡是㶲分析方法的基本手段,本文介绍了工业炉（窑）㶲平衡所用的重要概念和基本思想,以及可能遇到的主要理论性问题,并给出进行连续加热㶲平衡所采用的实用计算公式。 本文针对工业炉（窑）内部㶲损分布的计算问题,对于内部存在燃烧与传热两大环节的炉型,将能质引入㶲平衡计算,提出了可逆传热物理模型。该模型运用㶲分析方法基本原理,结合炉子热工特点,利用热力学状态函数方法,建立衡量实际传热不可逆程度的可逆传热样板。模型的物理意义明确,可求得传热不可逆㶲损的分配。最后,作者根据在热平衡与㶲平衡计算中所遇到的问题,提出将热平衡计算基准温度统一于㶲平衡基准的建议

采用SEM、XRD和矿相分析方法对几件战国带虎斑纹的巴蜀兵器样品进行分析.样品基体为铸态组织且铸后经过加热;斑纹与基体有明显的界面,斑纹是高锡的铜锡合金,厚度在20~40μm;斑纹主要是由SnO2与Cu41Sn11组成.根据分析结果并分别用镀高锡合金法、热镀锡法进行模拟实验,初步认为虎斑纹系人工表面处理得到,处理工艺应为热镀锡.组织观察到从基体向镀层方向生长的柱状晶,应是铜向液态锡中溶解扩散所致;镀层中δ相的存在,可能热镀锡后又经过退火的过程

§6.1 长期投资决策基础 §6.1.1 资金时间价值 §6.1.2 投资风险价值 §6.1.3 现金流量 §6.1.4 资本成本 §6.2 长期投资决策的分析方法 §6.2.1 静态分析方法 §6.2.2 动态分析法 §6.3 长期投资决策分析的典型案例 §6.3.1 固定资产是更新还是大修的决策 §6.3.2 固定资产最优更新期的决策 §6.3.3 固定资产是购进还是租赁的决策 §6.4 长期投资决策的扩展问题 §6.4.1 投资决策的敏感性分析 §6.4.2 通货膨胀情况下的投资决策分析

5.1 非线性电路特性及分析方法 5.1.1 非线性元件特性 5.1.2 非线性电路分析方法 5.2 线性时变参量 5.2.1 时变跨导电路 5.2.2 模拟乘法器 5.2.3 开关函数分析法 5.3 变频电路 5.3.1 指标 5.3.2 晶体管混频器 5.3.3 二极管混频器 5.3.4 差分对混频和模拟乘法器 5.4 混频器干扰

针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号,通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量,应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射,现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障